시간 모티프의 추출
시간 무작위 보행으로 네트워크의 변화 패턴을 자동으로 추출한다. 모티프를 수작업으로 선택하고 세는 비용을 피하면서 시간적 구조를 표현하려는 접근이다.
방문 횟수의 익명화
표본 보행 집합에서 노드에 도달한 횟수로 노드 정체성을 대체한다. 특정 노드 이름 대신 반복 방문 패턴을 사용해 귀납성을 유지하고 모티프 사이의 상관도 구성한다.
온라인 학습과 평가
CAW-N 신경망으로 보행을 인코딩하고 일정한 메모리 및 시간 비용의 표본 추출 전략을 결합한다. 원 연구는 여섯 실제 시간 네트워크의 연결 예측에서 귀납적 및 변환적 설정을 평가했다.
관련 문서
무작위 보행 / TGAT / Temporal Graph Networks / 링크 예측 / DeepWalk / 표현 학습